An efficient method of estimation for longitudinal surveys with monotone missing data
单调缺失纵向调查的有效估计方法AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要直接讨论纵向面板调查、单调样本退出及各期面板估计的信息组合。
反馈分类问题
正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
单调缺失纵向调查的有效估计方法
- 研究问题
- 研究面板调查中退出概率依赖既往研究变量与协变量时，如何利用各期可用信息进行估计，并改善传统无回答调整的偏误问题。
- 方法与思路
- 作者在所述单调退出与随机缺失机制下，通过广义最小二乘组合各期面板目标的无偏估计量，利用全部可用信息。
- 材料陈述的贡献
- 摘要称提出的估计量在指定线性组合估计量类中最小化渐近方差，并讨论方差估计，以模拟研究说明方法表现。
- 阅读关注点
- 应核对退出概率依赖的历史信息、随机缺失成立的条件、目标参数及比较估计量类，并检查广义最小二乘权重的估计。
- 阅读边界
- 仅依据所给 OpenAlex 摘要，不能把单调缺失本身视为随机缺失保证；最优性限于所述估计量类，摘要未给出完整条件与数值。
原文摘要
Panel attrition is frequently encountered in panel sample surveys. When it is related to the observed study variable, the classical approach of nonresponse adjustment using a covariate-dependent dropout mechanism can be biased. We consider an efficient method of estimation with monotone panel attrition when the response probability depends on the previous values of study variable as well as other covariates. Because of the monotone structure of the missing pattern, the response mechanism is missing at random. The proposed estimator is asymptotically optimal in the sense that it minimizes the asymptotic variance of a class of estimators that can be written as a linear combination of the unbiased estimators of the panel estimates for each wave, and incorporates all available information using generalized least squares. Variance estimation is discussed and results from a simulation study are presented. Copyright 2012, Oxford University Press.